faiss

Milvus là một cơ sở dữ liệu véc-tơ đám mây hiệu năng cao được xây dựng để tìm kiếm ANN véc-tơ có thể mở rộng.

Ứng dụng RAG và Agent dựa trên Langchain và các mô hình ngôn ngữ như ChatGLM, Qwen, Llama, v.v.

Vector index xây dựng trên TurboQuant, viết bằng Rust với Python bindings

Lớp bộ nhớ dành cho AI Agents. Thay thế các pipeline RAG phức tạp bằng một lớp bộ nhớ tệp đơn, không máy chủ. Cung cấp cho các agent khả năng truy xuất tức thì và bộ nhớ dài hạn.

Một cơ sở dữ liệu vector trong tiến trình, nhẹ và cực kỳ nhanh

[MLsys2026]: RAG trên mọi thứ với LEANN. Tiết kiệm 97% dung lượng lưu trữ khi chạy ứng dụng RAG nhanh chóng, chính xác và bảo mật 100% trên thiết bị cá nhân của bạn.

Công cụ tìm kiếm & phân cụm mã nguồn mở nhanh × dành cho Vector & Đối tượng tùy ý × bằng C++, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang và Wolfram 🔍

AdalFlow: Thư viện để xây dựng và tự động tối ưu hóa các ứng dụng LLM.

Kho lưu trữ này chứa nhiều kỹ thuật nâng cao khác nhau cho hệ thống Retrieval-Augmented Generation (RAG).

Tìm kiếm vector có khả năng mở rộng, độ trễ thấp và hỗ trợ lai trong Postgres. Cách mạng hóa tìm kiếm vector, không phải cơ sở dữ liệu.

Một tiện ích mở rộng SQLite hỗ trợ tìm kiếm vector hiệu quả, dựa trên Faiss!

Text-To-Speech, RAG và LLMs. Hoàn toàn chạy nội bộ!

Python SDK cho Milvus Vector Database

Tài liệu tham khảo Python RAG minh bạch với tính năng truy xuất kết hợp FAISS + BM25, xếp hạng lại, giao diện Gradio và FastAPI.

ChatWeb có thể cào trang web, đọc PDF, DOCX, TXT và trích xuất nội dung chính, sau đó trả lời các câu hỏi của bạn dựa trên nội dung hoặc tóm tắt các điểm chính.

Similarities: bộ công cụ tính toán độ tương đồng và tìm kiếm ngữ nghĩa. Hỗ trợ tìm kiếm văn bản-văn bản, văn bản-hình ảnh, hình ảnh-hình ảnh với dữ liệu quy mô hàng tỷ, phát triển bằng Python3, sẵn sàng sử dụng ngay.

Một số mẹo hữu ích cho faiss

Một hệ thống phân loại linh hoạt, thích ứng cho phân loại văn bản động.